用于轻量级单图像超分辨率的亚像素反投影网络
图像与视频处理
2020-08-05 v1 计算机视觉与模式识别
摘要
基于卷积神经网络（CNN）的方法在单图像超分辨率（SISR）上已取得巨大成功。然而，多数模型试图在增加模型参数量需求的同时提高重建精度。为解决此问题，本文研究在保持超分辨率重建性能精度的同时，减少基于CNN的SISR方法的参数量与计算成本。为此，我们引入一种新颖的SISR网络架构，在重建质量与低计算复杂度间取得良好权衡。具体而言，我们提出使用亚像素卷积替代反卷积层的迭代反投影架构。我们通过大量定量与定性评估，评价所提模型在计算与重建精度上的性能。实验结果表明，在四个知名SR基准数据集上，相较最先进的SISR方法，我们所提方法在保持重建精度的同时使用了更少参数并降低了计算成本。代码见“https://github.com/supratikbanerjee/SubPixel-BackProjection_SuperResolution”。
引用
@article{arxiv.2008.01116,
title = {Sub-Pixel Back-Projection Network For Lightweight Single Image Super-Resolution},
author = {Supratik Banerjee and Cagri Ozcinar and Aakanksha Rana and Aljosa Smolic and Michael Manzke},
journal= {arXiv preprint arXiv:2008.01116},
year = {2020}
}
备注
To appear in IMVIP 2020